Wgan是什麼意思

WGAN是"Wasserstein GAN"的縮寫，是一種生成對抗網路（GAN）的變體。GAN是一種深度學習模型，用於生成新的數據實例，例如圖像、音頻或文本。

在傳統的GAN中，有兩個主要組成部分：生成器（Generator）和判別器（Discriminator）。生成器負責創建新的數據樣本，而判別器則負責區分真實的數據樣本和生成器生成的假數據樣本。這兩個網路相互對抗，生成器試圖欺騙判別器，而判別器則努力提高其區分真實和偽造數據的能力。

WGAN通過使用Wasserstein距離來衡量兩個分布之間的距離，而不是像傳統GAN那樣使用 Jensen-Shannon 散度。Wasserstein距離是一種度量不同分布之間相似性的方法，它在理論上能夠更好地捕捉兩個分布之間的細微差別。這種改進使得WGAN在訓練過程中更加穩定，並且能夠生成更高質量的數據樣本。

WGAN的提出是為了解決傳統GAN中存在的訓練不穩定和模式崩潰問題。模式崩潰是指生成器只學會生成數據集中的一個子集，而不是整個數據集。WGAN通過使用Wasserstein距離和一些額外的技巧，如梯度懲罰，來避免這些問題，從而提高了GAN的訓練穩定性。